在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。     

基于二维积累的雷达分布式目标检测新方法

利用单元积累的思想,先在各个方位上提取目标散射中心后,对分布式目标进行一维化处理,然后对各个方位的目标散射中心能量进行非相干积累,得到了高斯背景中高分辨率雷达分布式目标的检验统计量。仿真结果表明,该方法较距离扩展目标检测方法的检测性能有明显改善,且其检测性能随着角分辨率的提高而进一步改善。此方法可用于信号级检测SARI、SAR等分布式目标。     

高分辨SAR目标成像方向性结构特征增强

针对传统稀疏特征增强的方式仅能完成对目标场景中特显点的增强,对复杂的目标结构特征无能为力的问题,考虑目标细节特征的复杂性,提出方向性结构全变分(directional total structure variation,DTSV)正则子进行结构先验表征,实现对成像目标复杂结构特征任意梯度变化的拟合,进而实现对结构特征的...     

基于目标轮廓特征的SAR图像目标识别

提出了一种基于目标轮廓特征的合成孔径雷达目标识别(SAR ATR)方法,该方法充分利用目标的局部空间结构信息进行识别。利用基于马尔可夫随机场(MRF)的图像分割及形态学处理提取SAR图像目标轮廓,在此基础上使用傅里叶描述子作为目标轮廓的特征量,选择最近邻准则下的模板匹配方法构造分类器,实现了基于轮廓特征的SAR图像目标识别。实验结果表明,本文方法具有优良的识别性能。     

SAR图像几何特征的仿真

合成孔径雷达(SAR)图像由于其特有的几何畸变和斑点噪声的影响,给图像定位和解译造成许多困难,而通过仿真方法研究其几何影响可为SAR图像研究提供有力的工具。该文研究了合成孔径雷达图像(SAR)几何特征的仿真。首先研究了SAR图像的几何影响:透视收缩(foreshortening)、掩叠(layover)和阴影(shadow)。然后,提出了SAR图像几何畸变和斑点噪声(speckle)的仿真方法,并给出了计算机仿真山地、建筑物和车辆的SAR图像。最后,讨论了SAR图像几何仿真的一些应用。     

基于知识的SAR图像目标检测

提出了一种基于知识的SAR图像目标检测算法。针对军用车辆,利用各种先验知识,以地形类型信息、距边界的距离信息、目标聚集程度为影响目标出现概率的因素,通过分类获得SAR图像的地形及边缘信息,得到影响因子,并综合地形信息使用MAP准则,从而获得目标检测的结果。使用真实SAR图像进行了测试,结果表明,与CFAR检测算法相比,该算法有效地提高了目标的检测率,虚警目标数目明显减少。     

利用Gamma CFAR进行SAR图像目标检测

利用二项式Gamma核进行SAR图像目标检测,并提出自适应选取扫描窗大小的方法,给出了一种基于改进的二项式Gamma核SAR图像检测方法提高二项式Gamma核检测器的性能。用于高分辨率单视单极化的极不均匀的SAR图像,能够在较小虚警率下将人造目标全部检测出来,而且能很好地保持人造目标的结构信息。实验证明所提方法的有效性。     

高分辨率SAR图像中车辆群目标检测的研究

研究了对SAR图像中车辆群目标的检测问题。采用统计检测的方法进行了理论分析,得到了3种检测算法的参数估计及检测门限的计算公式,提出了一种改进的综合目标检测算法。检测结果表明,采用常规双参数CFAR检测算法和单视标准CFAR检测算法存在较多的虚警,而采用改进的综合目标检测算法,检出目标准确,目标细节清晰,虚警很少,具有优良的检测性能。同时给出了该算法的滤波算子构造方法、参数选取方法及最佳参数。     

基于改进小波变换的海上目标检测

为提高弹道导弹打击舰船的命中精度,研究分析弹载合成孔径雷达的海上目标检测具有重大意义。针对基于传统小波变换的检测算法在相干噪声下难以快速实现目标检测的问题,提出基于改进小波变换的检测模型。首先,利用方向可调的小波函数改进传统小波变换,在提高检测精度的情况下,可避免进行非极大值抑制;其次,重点针对方向小波变换运算复杂的问题,从算法原理和实际应用两方面着手,分别构造可变方向角和掩模矩阵,减少了运算量;然后,在此基础上利用高低帽滤波和闭运算的组合处理,增强边缘区分度,即可通过二值化处理完成目标检测;最后,以舰船的目标检测为例,从检测精度和运算时间两方面验证改进模型的有效性。     

基于特征空间决策的SAR图像舰船尾迹检测算法

分析了合成孔径雷达(SAR)图像中舰船尾迹的线性特性。由于引起SAR图像线性特征的因素很多,因此针对常规Radon变换域中尾迹峰值检测的不确定性问题,提出了一种基于特征空间决策的尾迹检测算法。该算法首先门限化图像的Radon变换系数,提取出所有可能的峰值点;然后对这些相应的局部峰值的"截面"进行连续小波变换峰值匹配,再根据提取到的参数形成决策矢量在特征空间中进行决策。对仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹。     

基于极化合成孔径雷达的舰船检测方法

特征提取是极化合成孔径雷达图像处理的一个重要问题,也是海上目标检测的关键。相似性参数和极化熵可以表征目标的电磁散射特性。为了增强目标与背景的对比,提出了一种基于特征融合的新参数。这种参数可表达区域的差异性,处理后目标与背景的对比更加明显。研究了该参量在海杂波区域的分布模型,进而提出了一种新的海上船只检测方法,该方法可用于多视情况下的舰船检测。最后用机载合成孔径雷达(airborne synthetic aperture radar, AirSAR) 数据验证了该方法的有效性。     

一种新的复杂背景下红外弱小目标检测方法

针对复杂背景下单帧红外图像中的弱小目标检测问题,提出了一种新的基于小波包变换和偏斜度的检测方法.该方法利用小波包对图像进行多尺度分解,解决了高频段分辨率低的问题;并提出了一个基于偏斜度的高斯判别准则,用于对小波包分解系数进行高斯性检验,最终得到了小目标的精确检测.对实测数据进行仿真实验,结果表明该方法能有效检测红外弱小目标.     

一种舰船目标SAR回波的快速仿真方法

为满足合成孔径雷达(synthetic aperture radar,SAR)在海洋遥感的应用需求,提出一种舰船目标SAR成像的快速仿真方法。对成像场景中重点关注的目标进行精确电磁建模,并利用"四路径"模型计算目标与海面的复合散射回波,对海面背景采用散射面元法计算回波;将舰船复合散射回波与海面回波进行合成得到总的SAR回波,利用聚束SAR成像处理方法获得SAR图像。结果表明:该算法避免了对整个成像区域进行复杂的电磁仿真,能够有效降低对海面大场景的电磁计算效率。由于在目标区域采用高频电磁算法,保留了目标的电磁散射的精细结构,为精确模拟SAR回波提供了一种准确而高效的仿真算法。     

低频UWBSAR图像中的目标检测

低频ＵＷＢＳＡＲ不同于窄带高频ＳＡＲ信号。本文针对ＶＨＦ／ＵＨＦＵＷＢＳＡＲ目标与杂波特点，建立了信号模型；在综合现有的几种检测方法基础上，提出了一种新的检测方案，即结合的变化检测和双参数ＣＦＡＲ检测。实验仿真结果表明：这种方案检测过程简单，杂波抑制性能好。     

利用特征加权进行基于小波框架变换的红外目标检测

提出了一个基于背景纹理多分辨分析的红外目标检测方法。本方法通过对原始图像作小波框架变换提取不同分辨率下背景纹理的特征,利用特征加权技术（FWT）,得到中心向量,求出每个象素点的特征向量到中心向量的距离。根据距离像统计直方图实现阈值判别。实验证明该方法取得了较好的效果。     

全极化沿航向干涉SAR系统参数优化设计

为最大化全极化沿航向干涉合成孔径雷达(synthetic aperture radar, SAR)系统相对于单极化沿航向干涉SAR系统的运动目标检测优势,建立了一种以可测速区间长度之比为目标函数的优化模型,提出了相应的最优解求解方法。仿真实验结果表明,与模型最优解对应的参数设置充分利用了雷达系统的极化信息,最大化了全极化干涉系统在运动目标检测方面的优势。     

基于联合时频特征和HMM的多方位SAR目标识别

研究了联合时频特征和隐马尔科夫模型(hidden Markov model, HMM)的多方位合成孔径雷达(synthetic aperture radar, SAR)目标识别方法。利用HMM模型可以有效地对多方位SAR目标特征分析及识别。在HMM多方位SAR目标识别中的关键之一是SAR目标回波高分辨率距离像(high resolution range profile, HRRP)的特征提取。提出了一种时变频因子加权Fisher鉴别的特征提取方法。利用MSTAR实测SAR目标数据集进行了特征提取和识别实验,实验结果验证了方法的有效性。     

一种基于仿真图像模板的SAR目标分类方法

在基于实测图像模板的SAR目标分类方法中,环境因素、成像参数等差异性造成了模板库存储量过大与完备性需求的矛盾.针对此问题提出一种基于仿真图像模板的SAR目标分类方法,通过减少模板库的存储量来降低实测数据的采集成本.该方法首先采用正则化方法对图像进行预处理来减少噪声,在此基础上提取目标峰值特征,然后利用几何哈希匹配算法实现目标的分类.实验中的仿真图像模板库采用RadBase软件生成,结果表明新方法对MSTAR实测数据进行目标分类的精确度较高,适应性较好.     

New CFAR target detector for SAR images based on kernel density estimation and mean square error distance

A new constant false alarm rate (CFAR) target detector for synthetic aperture radar (SAR) images is developed. For each pixel under test, both the local probability density function (PDF) of the pixel and the clutter PDF in the reference window are estimated by the non-parametric density estimation. The target detector is defined as the mean square error (MSE) distance between the two PDFs. The CFAR detection in SAR images having multiplicative noise is achieved by adaptive kernel bandwidth proportional to the clutter level. In addition, for obtaining a threshold with respect to a given probability of false alarm (PFA), an unsupervised null distribution fitting method with outlier rejection is proposed. The effectiveness of the proposed target detector is demonstrated by the experiment result using the RADATSAT-2 SAR image.